Strukturierte Wissensgraphen erstellen
Extrahiert Entitäten und semantische Relationen aus unstrukturierten Quellen zur Erstellung eines abfragbaren Wissensgraphen.
Prompt-Beispiel
Verwende 'build-source-knowledge-graph' , um [QUELLE] in einen strukturierten Wissensgraphen zu überführen. Ziel: Extraktion von [ENTITÄTEN/KONZEPTEN] und deren semantischen Relationen. Fokus: [DETAILS].
Konkrete Beispiele
Nutze den Skill 'build-source-knowledge-graph' , um die technische Dokumentation der Ariadne Engine in einen strukturierten Wissensgraphen zu überführen. Fokus auf Entitäten wie 'Context ' , 'Skill ' und 'Plugin ' sowie deren Interaktionen.
Transformiert unstrukturierte Datenquellen, Korpora oder Dokumente in ein hochgradig vernetztes Langzeitgedächtnis. Der Fokus liegt auf der Extraktion von Entitäten, deren Attributen und den komplexen semantischen Relationen zwischen ihnen, um einen durchsuchbaren Wissensgraphen zu erzeugen.
Nutzt einen 'Ontology-First'-Ansatz: Vor der Einführung neuer Datentypen wird die bestehende Graphen-Ontologie auf Ähnlichkeiten geprüft. Dies sichert die Datenintegrität, maximiert die Wiederverwendbarkeit und verhindert ein unkontrolliertes Wachstum des Schemas.
Führt eine granulare semantische Zerlegung durch: Inhalte werden in atomare Einheiten (z. B. Konzepte, Ereignisse oder Akteure) dekomponiert und als präzise Memory-Episoden persistiert, um eine tiefe semantische Analyse zu ermöglichen.
Optimiert den Graph durch kontinuierliche Validierung: Nach der Ingestion wird der Graphen-Status auf Redundanzen und ontologische Inkonsistenzen geprüft. Der Prozess terminiert, wenn die Informationsdichte keine signifikanten neuen Erkenntnisse mehr liefert.